Aprendi que avaliar bem é, no fundo,
traçar o rumo de um ensino melhor.

Ponto de Partida

A Unidade Curricular Avaliação em Contextos de eLearning, integrada no mestrado em Pedagogia do eLearning da Universidade Aberta, propõe olhar a avaliação como processo pedagógico e não como simples verificação de resultados. Ao longo do ano letivo 2025-2026, sob a orientação da Professora Lúcia Amante, o trabalho organizou-se em quatro temas que foram construindo, passo a passo, uma forma diferente de pensar o ato de avaliar.

Esta reflexão encerra o meu diário de bordo. Escrevê-la obriga a parar e a olhar para trás com alguma distância, a reconhecer o caminho percorrido e a nomear aquilo que mudou na minha maneira de compreender a avaliação em ambientes digitais. Os quatro temas não funcionaram como blocos isolados, foram-se encadeando: o que ficou por resolver num deles regressava, sob outra forma, no seguinte.

O Diário de Bordo como Dispositivo de Aprendizagem

O diário de bordo, mantido em formato de blogue, cresceu ao mesmo ritmo da própria UC. Não foi uma tarefa deixada para o fim, mas um acompanhamento contínuo do percurso, registado à medida que as ideias surgiam e amadureciam. Cada entrada exigiu frequência e alguma honestidade comigo mesma, sobretudo quando precisei de voltar atrás e reler o que tinha escrito semanas antes. Essa revisão constante mostrou-me contradições, hesitações e também pequenos avanços que de outro modo passariam despercebidos.

O diário traduz na prática a ideia de avaliação autêntica que atravessa toda a UC. O que interessava não era exibir competências já dominadas, mas tornar visível um pensamento em construção. Escrever regularmente sobre aquilo que aprendia transformou-se, ele próprio, num exercício de autorregulação e de consolidação de conceitos. Nessa perspetiva, o diário deixou de ser um instrumento externo de avaliação para passar a fazer parte do próprio ato de aprender.

Visite o Diário de Bordo aqui: Diário de Bordo ACeL.

Tema 1 – Estado da Arte: A IA como Ponto de Partida

A primeira atividade, realizada em par com o Sérgio Trigo, começou por um gesto simples: questionar uma ferramenta de IA generativa sobre o estado da arte da avaliação em eLearning. Usámos o Claude Sonnet 4.6, através do Perplexity Pro, e pedimos-lhe que caracterizasse os principais desafios atuais e o modo como a inteligência artificial está a transformar as práticas de avaliação.

A resposta foi competente. A IA identificou com clareza a transição para paradigmas formativos, a valorização da avaliação autêntica e da autoavaliação, e o papel crescente da própria IA nos processos de avaliação. Confirmámos estes eixos na literatura, com Swiecki et al. (2022) e Oliveira & Pereira (2021), que ofereceram um enquadramento científico mais sólido e matizado.

A reflexão crítica revelou, porém, aquilo que a IA não viu. Apresentou os desafios de forma demasiado linear, como se fossem problemas com solução previsível, e não problematizou as tensões éticas que a literatura sublinha, a equidade, o viés e a opacidade dos sistemas de decisão. Faltou também qualquer referência verificável, o que expõe uma fragilidade estrutural deste tipo de resposta. Percebi, nesse contraste, que a competência mais decisiva não é saber usar a ferramenta, mas saber interrogá-la com rigor académico. O exercício foi, ele mesmo, uma aula de literacia crítica sobre IA.

Tema 2 – Autoavaliação e Boas Práticas

A segunda atividade decorreu em grupo de quatro, com o Sérgio Trigo, a Marta Coutinho e a Paula Bugalho. Estudámos os capítulos 9 e 10 de Conrad & Openo (2019) para elaborar um capítulo do Guia de Boas Práticas de Avaliação Online dedicado à autoavaliação como prática pedagógica estruturada.

O conceito que mais me ficou é aparentemente simples: a autoavaliação não pode acontecer no vazio. Para ter valor formativo, precisa de critérios claros, de enquadramento pedagógico e de feedback docente que acompanhe o estudante. O estudo de Dunning, Heath & Suls (2004) trouxe aqui uma nota de realismo, ao mostrar que a correlação entre a avaliação que os estudantes fazem de si próprios e a dos docentes é apenas moderada. Isto não invalida a prática, mas indica que a autoavaliação exige maturidade e treino, e que funciona melhor como instrumento de desenvolvimento do que como mecanismo de classificação. Ficou-me clara a diferença entre pedir a um estudante que se classifique e ensiná-lo, com tempo, a olhar para o próprio trabalho à luz de critérios partilhados.

O próprio trabalho em grupo foi um exemplo de avaliação como aprendizagem. Negociar leituras, distribuir tarefas e construir coerência entre contributos diferentes obrigou-nos a aplicar os princípios que estávamos a estudar. Aprendi que a qualidade de um trabalho colaborativo depende menos de concordância imediata e mais da capacidade de manter uma tensão produtiva entre pontos de vista, sempre ancorada na literatura e em critérios pedagógicos definidos.

Tema 3 – IA e Avaliação: O Ensaio em Coautoria

A terceira atividade foi individual e a mais exigente do ponto de vista conceptual. Consistiu num ensaio crítico escrito em coautoria com IA, recorrendo ao Perplexity Pro e ao Claude Sonnet 4.6, acompanhado de uma descrição transparente do processo de colaboração entre a autora e a máquina. A redação mobilizou um conjunto amplo de literatura, de Nicol & Macfarlane-Dick (2006), Panadero, Jonsson & Strijbos (2016), Boud & Soler (2016) e Rodríguez-Gómez & Ibarra-Sáiz (2015) a estudos recentes como Liebenow et al. (2025) e Wu, Ng & Chiu (2026).

A tese central é que a IA não criou a crise da avaliação. Tornou visíveis fragilidades que já existiam. Quando uma ferramenta consegue produzir um texto coerente sobre praticamente qualquer tema, avaliar apenas o produto final deixa de fazer sentido. A resposta pedagógica não está na proibição, mas no redesenho da avaliação de modo a tornar visível o processo: notas de leitura, versões intermédias, reflexão sobre o feedback recebido e defesa fundamentada das escolhas feitas.

Quatro princípios orientaram o ensaio. O primeiro é a transparência no uso da IA, com declaração explícita das ferramentas mobilizadas. O segundo é a centralidade dos critérios, porque a IA interpreta mas não substitui a literacia avaliativa de quem ensina. O terceiro é a articulação entre o juízo humano e o feedback automatizado, tratando a IA como segunda opinião e nunca como decisão final. O quarto é a preservação da interação humana, condição de uma avaliação com sentido.

O próprio processo de coautoria funcionou como prova destes princípios em ação. Usei a IA para pesquisar, planificar e rever, mas a seleção de fontes, a estrutura do argumento e a autoria intelectual mantiveram-se sob a minha responsabilidade. Identifiquei riscos reais, como a plausibilidade enganadora e a homogeneização da escrita, e percebi que a ferramenta só se torna útil quando submetida a juízo crítico constante.

Tema 4 – O Plano de Avaliação e o Modelo PrACT

A quarta atividade voltou a ser realizada em par com o Sérgio Trigo. Concebemos um plano de avaliação para o módulo Conceção de Recursos Educativos Digitais com apoio de IA, dirigido a docentes do ensino superior. O modelo PrACT (Amante, Oliveira & Pereira, 2017) funcionou como quadro de decisão ao longo de todo o desenho.

Cada um dos seus pilares, a Praticabilidade, a Autenticidade, a Consistência e a Transparência, obrigou a escolhas concretas e justificadas. Deixou de ser um quadro teórico abstrato para se tornar um instrumento vivo de decisão pedagógica, em que cada opção sobre tarefas, critérios ou feedback tinha de responder a uma destas dimensões.

A elaboração de cinco rubricas distintas foi o momento mais revelador do trabalho. Obrigou-nos a clarificar o que queríamos realmente avaliar e expôs uma distância frequente entre aquilo que dizemos valorizar e aquilo que os critérios efetivamente medem. Só ao escrever os descritores percebi quanto do que considerava importante ficava, afinal, de fora.

O plano integrou ainda um eixo transversal sobre IA, com declaração obrigatória de uso e uma rubrica específica de apropriação crítica. Foi a tradução prática daquilo que o Tema 3 tinha problematizado no plano teórico. Este foi o momento em que as aprendizagens dispersas ao longo da UC se organizaram numa proposta coerente e aplicável a um contexto real de formação. Compreendi, ao fechá-lo, que desenhar avaliação é sobretudo um exercício de coerência entre aquilo em que se acredita e aquilo que efetivamente se pede aos estudantes.

Autoavaliação Individual

Ao olhar para o que aprendi, a conclusão mais firme é que a avaliação em eLearning é indissociável de uma conceção pedagógica clara. Não existem instrumentos neutros. Cada rubrica e cada critério traduzem uma escolha sobre o que se valoriza e sobre quem tem poder de julgamento. Avaliar é escolher, e essas escolhas têm consequências para a autonomia e o desenvolvimento dos estudantes.

Foi sobretudo na articulação entre teoria e prática que senti que cresci. No início, a avaliação formativa era uma categoria conceptual, quase uma palavra de documentos de política educativa. No final, tornou-se uma referência operacional que consigo mobilizar quando desenho uma sequência de atividades e penso que evidências demonstram aprendizagem genuína. Cresci ainda na confiança para questionar aquilo que me era apresentado como certo, quer viesse de uma ferramenta de IA, quer de um artigo científico, e para reconhecer os limites do meu próprio conhecimento.

Ficou também muito por fechar. A integridade académica em contextos de IA não está resolvida, e a tensão entre avaliar o processo e certificar o produto continua real. Reconhecer estas aberturas não me parece um fracasso, mas parte de um percurso que se prolonga para além desta UC.

Implicações para a Prática Pedagógica

Deste percurso retiro algumas orientações concretas para a minha prática futura. Comprometo-me a integrar sempre instrumentos de avaliação formativa, criando momentos de feedback contínuo e não apenas provas de fim de módulo. Quero usar as rubricas como instrumentos de transparência, com critérios públicos e discutidos com os estudantes, e não apenas como grelhas de classificação. Assumo a declaração de uso de IA como prática pedagógica de diálogo honesto, e não como mecanismo de vigilância ou suspeita. Procuro valorizar o processo tanto quanto o produto, reconhecendo o valor das versões sucessivas, do registo de decisões e da reflexão sobre o feedback recebido. E quero preservar a interação humana, a discussão e o confronto de perspetivas como condição insubstituível de uma avaliação com sentido, porque nenhuma tecnologia substitui um docente que conhece a trajetória de quem aprende.

Nota sobre a Utilização de Inteligência Artificial

Ao longo desta UC recorri à inteligência artificial de forma declarada. Usei o Perplexity Pro para pesquisa assistida, o Claude Sonnet 4.6 para planificação e revisão, o ChatGPT para aperfeiçoamento linguístico e o GPT Image 2 para os elementos visuais. Também nesta reflexão final a IA apoiou a organização da estrutura e a formulação de algumas passagens. Em todos os casos, a seleção de fontes, a estrutura argumentativa e a autoria intelectual permaneceram sob a minha responsabilidade. A IA foi, ao mesmo tempo, objeto de estudo e instrumento de trabalho, o que tornou o percurso duplamente reflexivo. Este uso foi coerente com as boas práticas académicas e com o Modelo Pedagógico da Universidade Aberta (Casanova et al., 2026).

Referências Bibliográficas

Amante, L., & Oliveira, I. (2019). Avaliação e feedback: Desafios atuais. Universidade Aberta. https://repositorioaberto.uab.pt/handle/10400.2/8419
Amante, L., Oliveira, I., & Pereira, A. (2017). Cultura da avaliação e contextos digitais de aprendizagem: O modelo PrACT. Revista Docência e Cibercultura, 1(1), 135–150. http://www.e-publicacoes.uerj.br/index.php/re-doc/article/view/30912
Boud, D., & Soler, R. (2016). Sustainable assessment revisited. Assessment & Evaluation in Higher Education, 41(3), 400–413. https://doi.org/10.1080/02602938.2015.1018133
Casanova, D., Machado, Â. M., Mendes, A. Q., Ferreira, C. D., Aires, L., Martins, M., Seranho, P., & Rocio, V. (2026). Modelo Pedagógico da Universidade Aberta. Universidade Aberta. https://doi.org/10.34627/s45f-nn11
Conrad, D., & Openo, J. (2019). Estratégias de avaliação para a aprendizagem online (J. Mattar, D. W. A. Duarte, C. C. de Lima, & J. da Silva Nunes, Trads.). Artesanato Educacional. (Obra original publicada em 2018)
Dunning, D., Heath, C., & Suls, J. M. (2004). Flawed self-assessment: Implications for health, education, and the workplace. Psychological Science in the Public Interest, 5(3), 69–106.
Liebenow, L. W., Schmidt, F. T. C., Meyer, J., & Fleckenstein, J. (2025). Self-assessment accuracy in the age of artificial intelligence: Differential effects of LLM-generated feedback. Computers & Education, 237, Article 105385. https://doi.org/10.1016/j.compedu.2025.105385
Nicol, D. J., & Macfarlane-Dick, D. (2006). Formative assessment and self-regulated learning: A model and seven principles of good feedback practice. Studies in Higher Education, 31(2), 199–218. https://doi.org/10.1080/03075070600572090
Oliveira, I., & Pereira, A. (2021). Avaliação digital autêntica: Questões e desafios. RE@D – Revista de Educação a Distância e eLearning, 4(2), 22–40. https://doi.org/10.34627/vol4iss2pp22-40
Panadero, E., Jonsson, A., & Strijbos, J. W. (2016). Scaffolding self-regulated learning through self-assessment and peer assessment: Guidelines for classroom implementation. In D. Laveault & L. Allal (Eds.), Assessment for learning: Meeting the challenge of implementation (pp. 311–326). Springer. https://doi.org/10.1007/978-3-319-39211-0_18
Rodríguez-Gómez, G., & Ibarra-Sáiz, M. S. (2015). Assessment as learning and empowerment: Towards sustainable learning in higher education. In M. Peris-Ortiz & J. M. Merigó Lindahl (Eds.), Sustainable learning in higher education (pp. 1–20). Springer. https://doi.org/10.1007/978-3-319-10804-9_1
Swiecki, Z., Khosravi, H., Chen, G., Martinez-Maldonado, R., Lodge, J. M., Milligan, S., Selwyn, N., & Gašević, D. (2022). Assessment in the age of artificial intelligence. Computers and Education: Artificial Intelligence, 3, Article 100075. https://doi.org/10.1016/j.caeai.2022.100075
Wu, X.-Y., Ng, D. T. K., & Chiu, T. K. F. (2026). Self-regulated learning with AI: A comparative analysis of general-purpose and task-specific platforms. International Journal of Technology in Education, 9(1), 279–302. https://doi.org/10.46328/ijte.5241